- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
这个问题在我这里的问题上继续(根据 Mystical 的建议):
继续我的问题,当我使用打包指令而不是标量指令时,使用内部函数的代码看起来非常相似:
for(int i=0; i<size; i+=16) {
y1 = _mm_load_ps(output[i]);
…
y4 = _mm_load_ps(output[i+12]);
for(k=0; k<ksize; k++){
for(l=0; l<ksize; l++){
w = _mm_set_ps1(weight[i+k+l]);
x1 = _mm_load_ps(input[i+k+l]);
y1 = _mm_add_ps(y1,_mm_mul_ps(w,x1));
…
x4 = _mm_load_ps(input[i+k+l+12]);
y4 = _mm_add_ps(y4,_mm_mul_ps(w,x4));
}
}
_mm_store_ps(&output[i],y1);
…
_mm_store_ps(&output[i+12],y4);
}
该内核的测量性能约为每个周期 5.6 FP 操作,但我预计它正好是标量版本性能的 4 倍,即每个周期 4.1,6=6,4 FP 操作。
考虑到权重因子的移动(感谢您指出这一点),时间表如下:
看起来时间表没有改变,虽然在 movss
操作之后有一条额外的指令将标量权重值移动到 XMM 寄存器,然后使用 shufps
在整个 vector 中复制这个标量值。考虑到从负载到浮点域的切换延迟,权重 vector 似乎已准备好及时用于 mulps
,因此这不应产生任何额外延迟。
此内核中使用的movaps
(对齐、打包移动)、addps
和mulps
指令(使用汇编代码检查)具有与其标量版本相同的延迟和吞吐量,因此这也不应产生任何额外的延迟。
是否有人知道每 8 个周期的这个额外周期花在了哪里,假设这个内核可以获得的最大性能是每个周期 6.4 FP 操作并且它以每个周期 5.6 FP 操作运行?
顺便说一句,实际的 assembly 是这样的:
…
Block x:
movapsx (%rax,%rcx,4), %xmm0
movapsx 0x10(%rax,%rcx,4), %xmm1
movapsx 0x20(%rax,%rcx,4), %xmm2
movapsx 0x30(%rax,%rcx,4), %xmm3
movssl (%rdx,%rcx,4), %xmm4
inc %rcx
shufps $0x0, %xmm4, %xmm4 {fill weight vector}
cmp $0x32, %rcx
mulps %xmm4, %xmm0
mulps %xmm4, %xmm1
mulps %xmm4, %xmm2
mulps %xmm3, %xmm4
addps %xmm0, %xmm5
addps %xmm1, %xmm6
addps %xmm2, %xmm7
addps %xmm4, %xmm8
jl 0x401ad6 <Block x>
…
最佳答案
尝试在 Vtune 中使用 EMON 分析,或使用类似 oprof 的等效工具
EMON(事件监控)分析 => 就像一个基于时间的工具,但它可以告诉您是什么性能事件导致了问题。虽然,您应该先从基于时间的配置文件开始,看看是否有特定的指令跳出。 (可能还有相关事件告诉您该 IP 的退休摊位的频率。)
要使用 EMON 分析,您必须遍历一系列事件,从“通常的嫌疑人”到......
在这里,我将从缓存未命中、对齐开始。我不知道您使用的处理器是否有 RF 端口限制的计数器 - 它应该 - 但我很久以前就添加了 EMON 分析,而且我不知道它们通过添加适合微体系结构的事件来跟上的情况如何。
也有可能是前端,取指,stall。无论如何,这些指令中有多少字节?也有 EMON 事件。
回应评论说 Nehalem VTune 看不到 L3 事件:不正确。这是我添加到评论中但不适合的内容:
实际上,有针对 LL3/L3$/所谓的 Uncore 的性能计数器。如果 VTune 不支持它们,我会感到非常惊讶。参见 http://software.intel.com/sites/products/collateral/hpc/vtune/performance_analysis_guide.pdf指向 VTune 和其他工具,例如 PTU。事实上,即使没有 LL3 事件,正如 David Levinthal 所说:“英特尔® 酷睿™ i7 处理器有一个‘延迟事件’,它是与 Itanium® 处理器系列数据 EAR 事件非常相似。本次事件 sample 负载,记录指令执行和实际之间的周期数数据的传递。如果测量的延迟大于最小延迟编程到 MSR 0x3f6,位 15:0,然后计数器递增。柜台溢出激活 PEBS 机制,并在下一个满足延迟的事件上阈值、测量的延迟、虚拟或线性地址和数据源是复制到 PEBS 缓冲区中的 3 个附加寄存器中。因为虚拟地址是捕获到一个已知位置,采样驱动程序还可以执行一个虚拟到物理翻译并捕获物理地址。物理地址标识NUMA 主页位置和原则上允许分析缓存的详细信息占用。”他还在第 35 页指出 VTune 事件,例如 L3 CACHE_HIT_UNCORE_HIT 和 L3 CACHE_MISS_REMOTE_DRAM。有时您需要查找数字代码并将它们编程到 VTune 的较低级别接口(interface)中,但我认为在这种情况下它是可见的漂亮的用户界面。
好的,在http://software.intel.com/en-us/forums/showthread.php?t=77700&o=d&s=lr俄罗斯的一位 VTune 程序员(我认为)“解释”说您不能对 Uncore 事件进行采样。
他错了——例如,您可以只启用一个 CPU,并进行有意义的采样。我还相信,在返回 CPU 时可以标记 L3 丢失的数据。事实上,总的来说,L3 知道它正在向哪个 CPU 返回数据,所以你绝对可以采样。您可能不知道哪个超线程,但您可以再次禁用,进入单线程模式。
但看起来,这很常见,您必须围绕 VTune 工作,而不是使用它来执行此操作。
首先尝试延迟分析。这完全在 CPU 内部,VTune 人员不太可能把它搞得一团糟。
而且,我再说一遍,您的问题很可能在核心,而不是在 L3。所以 VTune 应该能够处理这个问题。
试试 Levinthal 的“周期会计”。
关于C 代码循环性能 [续],我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10007243/
在这段令人惊叹的视频 ( https://www.youtube.com/watch?v=udix3GZouik ) 中,Alex Blom 谈到了 Ember 在移动世界中的“黑客攻击”。 在 22
我们希望通过我们的应用收集使用情况统计信息。因此,我们希望在服务器端的某个地方跟踪用户操作。 就性能而言,哪个选项更合适: 在 App Engine 请求日志中跟踪用户操作。即为每个用户操作写入一个日
在针对对象集合的 LINQ 查询的幕后究竟发生了什么?它只是语法糖还是发生了其他事情使其更有效的查询? 最佳答案 您是指查询表达式,还是查询在幕后的作用? 查询表达式首先扩展为“普通”C#。例如: v
我正在构建一个简单的照片库应用程序,它在列表框中显示图像。 xaml 是:
对于基于 Web 的企业应用程序,使用“静态 Hashmap 存储对象” 和 apache java 缓存系统有何优缺点?哪一个最有利于性能并减少堆内存问题 例如: Map store=Applica
我想知道在性能方面存储类变量的最佳方式是什么。我的意思是,由于 Children() 函数,存储一个 div id 比查找所有其他类名更好。还是把类名写在变量里比较好? 例如这样: var $inne
我已经阅读了所有这些关于 cassandra 有多快的文章,例如单行读取可能需要大约 5 毫秒。 到目前为止,我不太关心我的网站速度,但是随着网站变得越来越大,一些页面开始需要相当多的查询,例如一个页
最近,我在缓存到内存缓存之前的查询一直需要很长时间才能处理!在这个例子中,它花费了 10 秒。在这种情况下,我要做的就是获得 10 个最近的点击。 我感觉它加载了所有 125,592 行然后只返回 1
我找了几篇文章(包括SA中的一些问题),试图找到基本操作的成本。 但是,我尝试制作自己的小程序,以便自己进行测试。在尝试测试加法和减法时,我遇到了一些问题,我用简单的代码向您展示了这一点
这个问题在这里已经有了答案: Will Java app slow down by presence of -Xdebug or only when stepping through code? (
我记得很久以前读过 with() 对 JavaScript 有一些严重的性能影响,因为它可能对范围堆栈进行非确定性更改。我很难找到最近对此的讨论。这仍然是真的吗? 最佳答案 与其说 with 对性能有
我们有一个数据仓库,其中包含非规范化表,行数从 50 万行到 6 多万行不等。我正在开发一个报告解决方案,因此出于性能原因我们正在使用数据库分页。我们的报告有搜索条件,并且我们已经创建了必要的索引,但
我有一条有效的 SQL 语句,但需要很长时间才能处理 我有一个 a_log 表和一个 people 表。我需要在 people 表中找到给定人员的每个 ID 的最后一个事件和关联的用户。 SELECT
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它,visit the help center 。 已关
通常当我建立一个站点时,我将所有的 CSS 放在一个文件中,并且一次性定义与一组元素相关的所有属性。像这样: #myElement { color: #fff; background-
两者之间是否存在任何性能差异: p { margin:0px; padding:0px; } 并省略最后的分号: p { margin:0px; padding:0px } 提前致谢!
我的应用程序 (PHP) 需要执行大量高精度数学运算(甚至可能出现一共100个数字) 通过这个论坛的最后几篇帖子,我发现我必须使用任何高精度库,如 BC Math 或 GMP,因为 float 类型不
我一直在使用 javamail 从 IMAP 服务器(目前是 GMail)检索邮件。 Javamail 非常快速地从服务器检索特定文件夹中的消息列表(仅 id),但是当我实际获取消息(仅包含甚至不包含
我非常渴望开发我的第一个 Ruby 应用程序,因为我的公司终于在内部批准了它的使用。 在我读到的关于 Ruby v1.8 之前的所有内容中,从来没有任何关于性能的正面评价,但我没有发现关于 1.9 版
我是 Redis 的新手,我有一个包含数百万个成员(member) ID、电子邮件和用户名的数据集,并且正在考虑将它们存储在例如列表结构中。我认为 list 和 sorted set 可能最适合我的情
我是一名优秀的程序员,十分优秀!